如何使用正则表达式从字符串中仅检索阿拉伯文本？

Ahsanul Haque 发表于 Dev

艾哈努（Ahsanul Haque）

我有一个包含阿拉伯文和英文句子的字符串。我想要的是仅提取阿拉伯语句子。

my_string="""
What is the reason
ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ
behind this?
ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ
"""

该链接显示阿拉伯字母的Unicode范围是0600-06FF。

因此，我想到的最基本的尝试是：

import re
print re.findall(r'[\u0600-\u06FF]+',my_string)

但是，这失败了，因为它返回了以下列表。

['What', 'is', 'the', 'reason', 'behind', 'this?']

如您所见，这与我想要的完全相反。我在这里想念的是什么？

我知道我可以通过使用逆向匹配来匹配阿拉伯字母，如下所示：

print re.findall(r'[^a-zA-Z\s0-9]+',my_string)

但是，我不想要那样。

聚苯乙烯

您可以使用re.sub空字符串替换ascii字符。

>>> my_string="""
... What is the reason
... ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ
... behind this?
... ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ
... """
>>> print(re.sub(r'[a-zA-Z?]', '', my_string).strip())
ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ

ذَلِكَ الْكِتَابُ لَا رَيْبَ فِيهِ هُدًى لِلْمُتَّقِينَ

您的正则表达式无法正常工作，因为您使用的是Python 2，并且您str需要将字符串转换my_string为unicode才能正常工作。但是，它在Python3.x上确实表现出色

>>> print "".join(re.findall(ur'[\u0600-\u06FF]', unicode(my_string, "utf-8"), re.UNICODE))
ذَلِكَالْكِتَابُلَارَيْبَفِيهِهُدًىلِلْمُتَّقِينَذَلِكَالْكِتَابُلَارَيْبَفِيهِهُدًىلِلْمُتَّقِينَ

本文收集自互联网，转载请注明来源。

如有侵权，请联系[email protected] 删除。